Die Grundidee von positivem Wachstum bei der Arbeit entstammt der positiven Psychologie: Spreitzer et al. (2005) beschreiben positives Wachstum als einen wünschenswerten psychologischen Zustand, der sich aus der gemeinsamen Erfahrung von Energie und Lernen zusammensetzt. In der englisch-sprachigen Literatur wird das gemeinsame Erleben von Lernen und Energie bei der Arbeit mit „Thriving“ beschrieben (Spreitzer et al., 2012; 2005). Menschen, die bei der Arbeit ein positives Wachstum erleben, können sprichwörtlich gedeihen und aufblühen. Positives Wachstum wird durch eine angenehme Dynamik charakterisiert: einerseits das Gefühl, energiegeladen, aktiv und lebendig zu sein (Energie) und andererseits das Gefühl, dass man sich kontinuierlich weiterentwickelt und damit verbessert (Lernen). Positives Wachstum lässt sich am treffendsten als Kontinuum konzeptualisieren, auf dem sich Mitarbeitende bei der Arbeit bewegen – in Abhängigkeit davon, in welchem Ausmaß sie zeitgleich sowohl Energie spüren als auch etwas Neues lernen können. In diesem Kontext betonen Spreitzer et al. (2012; 2005), dass nur das gemeinsame Erleben sowohl der affektiven (Energie) als auch der kognitiven (Lernen) Komponenten den Mitarbeitenden das Gefühl vermittelt, dass sie sich weiterentwickeln und wachsen.

Das gemeinsame Erleben von Energie und Lernen bietet zahlreiche Vorteile, nicht nur für die Mitarbeitende selbst, sondern auch für Organisationen. Bspw. konnten Porath und Kollegen (2012) in unterschiedlichen Studien demonstrieren, dass das gemeinsame Erleben von Lernen und Energie nicht nur mit einem gesteigerten Wohlbefinden, sondern auch mit einer besseren allgemeinen Gesundheit, einem deutlich reduzierten Burnout-Risiko sowie besserer Leistung einhergeht. Mitarbeitende, die sowohl Energie als auch Lernen erfahren, sind stärker an ihren Arbeitgeber gebunden (Walumba et al., 2018), zeichnen sich durch kreatives Arbeitsverhalten (Carmeli & Spreitzer, 2009) sowie Innovationen (Wallace et al., 2016) aus. Die umfassende Meta-Analyse von Kleine et al. (2019) bestätigt die Ergebnisse der Primärstudien und unterstreicht, dass das gemeinsame Erleben von Energie und Lernen auf der einen Seite negativ mit Burnout korreliert ist. Auf der anderen Seite berichten Kleine und Kollegen (2019) substanzielle positive Zusammenhänge mit Gesundheit, Wohlergehen sowie organisationalem Commitment und Leistung.

Itemkonstruktion und Itemselektion

Der GR@W-I wurde von Experten der organisationswissenschaftlichen Forschung und der angewandten Organisationsentwicklung konzipiert. Bei der Entwicklung des GR@W-I stand das Ziel im Vordergrund, ein deutschsprachiges Instrument zu konzipieren, das sowohl das Erleben von Energie und Lernen im Arbeitsalltag inhaltlich differenziert abbildet als auch bei der Anwendung in der organisationalen Praxis auf Akzeptanz stößt.

Dafür wurden vom Autor im ersten Schritt deutschsprachige Items generiert, die sich an der englischen Skala von Porath et al. (2012) orientieren. Im zweiten Schritt wurden die Items von Experten der angewandten Organisationsentwicklung hinsichtlich ihrer Praxistauglichkeit begutachtet und in den Formulierungen angepasst. Im dritten Schritt hat ein Experte der empirischen Organisationsforschung die Items dahingehend überprüft, ob sie die Definition von Energie und Lernen gemäß Spreitzer et al. (2005) abbilden. Bei Bedarf wurde eine Adjustierung vorgenommen. Offene Punkte wurden abschließend gemeinsam diskutiert und in der finalen Version des GR@W-I entsprechend angepasst.

Zunächst wurde ein Pretest mit 19 Teilnehmenden durchgeführt, um erste Indikatoren für die Verständlichkeit, Akzeptanz sowie die Praxistauglichkeit des GR@W-I zu erhalten. Die Teilnehmenden berichteten keinerlei Verständnisprobleme hinsichtlich der Items und bestätigten, dass der GR@W-I ihrer Meinung nach die Inhalte Lernen und Energie nachvollziehbar abbildet. In der Folge wurde der Fragebogen in einer größeren Studie zur Validierung eingesetzt.

Die Analysen wurden mit IBM SPSS Statistics 29, IBM SPSS Amos 27 sowie JASP 0.11.1 durchgeführt. Es liegen keine fehlenden Werte vor.

Stichprobe

Es wurden Unternehmen unterschiedlicher Industriezweige kontaktiert, insbesondere aus Energie- und Versorgungsindustrie, Informationstechnologie, öffentlicher Verwaltung, Bildungs- und Gesundheitssektor, Medizintechnik sowie Tourismusindustrie. Die Stichprobe setzt sich aus 473 Personen zusammen. 51% der Stichprobe sind männlich und 49% weiblich. Die Datenerhebung erfolgte in den Jahren 2022 und 2023 über einen Online-Fragebogen (CSAQ; Internetumfrage), die Teilnehmer wurden nicht entlohnt.

Alter:

• Zwischen 18 und 29 Jahren: 37%
• Zwischen 30 und 39 Jahren: 33%
• Zwischen 40 und 49 Jahren: 18%
• Zwischen 50 und 60 Jahren: 12%

Zugehörigkeit zur Organisation:

• Zwischen 1 und 3 Jahren: 30%
• Zwischen 4 und 6 Jahren: 39%
• Zwischen 6 und 10 Jahren: 15%
• Zwischen 16 und 25 Jahren: 21%
• Über 26 Jahre: 5%

Itemanalysen

Alle 10 Items wurden im ersten Schritt anhand einer exploratorischen Hauptachsenfaktorenanalyse untersucht. Studien, die die englisch-sprachige Originalskala von Porath et al. (2012) verwendet haben, zeigen eine substanzielle Korrelation zwischen den beiden GR@W-I-Dimensionen Energie und Lernen,Daher wurde die oblique Rotationstechnik Promax mit einem Kappa = 4 gewählt. Dabei wurden zwei Faktoren mit einem Eigenwert größer 1 extrahiert, die 72% der Varianz erklären. Die Kommunalitäten der Items variieren zwischen .58 und .86. Insgesamt liegt eine Einfachstruktur vor, wobei das negativ formulierte Item 3 („Bei der Arbeit verfüge ich über nicht besonders viel Energie.“) der Skala Energie eine Nebenladung (.34) auf die Lernen-Skala zeigt.

Mittels linearer Strukturgleichungsmodelle (Williams et al., 2009) wurde im zweiten Schritt die Modellgüte des GR@W-I bestimmt. Dabei wurde das in Abbildung 1 visualisierte hierarchische Messmodell getestet, bei dem die Faktoren Energie und Lernen auf den übergeordneten Faktor positives Wachstum laden. Da es in diesem Modell lediglich zwei Faktoren erster Ordnung gibt, muss dieses Modell als „nicht ausreichend identifiziert“ klassifiziert werden. Eine Identifizierung erfordert mindestens drei Faktoren erster Ordnung. Analog zum Vorgehen von Porath et al. (2012) wurden die Koeffizienten der Ladungen erster Ordnung gleichgesetzt, um die Anzahl der zu schätzende Parameter zu reduzieren. Damit kann das aus der Theorie abgeleitete hierarchische Modell des GR@W-I identifiziert werden und mittels linearer Strukturgleichungsmodelle getestet werden.

Die Parameterschätzung erfolgte anhand der Maximum Likelihood-Methode. Für die Bewertung der Modellgüte werden in der Literatur folgende Kriterien diskutiert (z. B. Schermelleh-Engel et al., 2003): Modelle mit einem CFI, IFI und TFI < .90, RMSEA ≥ .10 und SRMR > .10 sind nicht akzeptabel bzw. defizitär. Modelle mit einem 90 ≤ CFI, IFI und TFI < .95, einem RMSEA ≥ 05 bis < .10 und einem SRMR >.08 bis ≤ .10 werden als gut bzw. akzeptabel bewertet. Die Güte eines Modells gilt als sehr gut bzw. exzellent, wenn die folgenden Kriterien erfüllt sind: CFI, IFI und TFI > .95, RMSEA < .05 und SRMR ≤ .08. 

Bei der Schätzung der Modellgüte des GR@W-I ergeben sich folgende Ergebnisse: χ² = 178.7, df = 34, p <.001, CFI = .96, IFI = .96, TLI = .94, RSMEA =.09 und SRMR = .05. Die standardisierten Faktorladungen liegen zwischen .51 und .92.

Die Güte dieses Modells ist zudem besser einzustufen als das Alternativmodel, bei dem alle 10 Items auf einen gemeinsamen latenten Faktor der ersten Ebene laden (χ² = 705.1, df = 35, p < .001, CFI = .80, IFI = .80, TLI = .74, RSMEA =.20, SRMR = .09). In keinem der getesteten Modelle wurden Nebenladungen zugelassen.

Der GR@W-I zeigt gemäß den Konventionen von Schermelleh-Engel und Kollegen (2003) eine sehr gute Modellgüte. In Abbildung 1 ist das Messmodell des GR@W-I illustriert.

Abbildung 1

Überblick über das Messmodell des GR@W-I samt Ladungen des übergeordneten Faktors

Itemkennwerte

In Tabelle 2 sind Mittelwerte, Standardabweichungen, Trennschärfen, Schiefen und Exzesse aller Items des GR@W-I abgebildet. Nach Bortz und Döring (2006) sollte die Trennschärfe einen Wert von mindestens .50 betragen. Items mit einer Trennschärfe kleiner als .30 sind als kritisch zu bewerten. Im Falle des GR@W-I dürfen die part-whole-korrigierten Trennschärfen gemäß den Konventionen nach Bortz und Döring (2006) insgesamt als sehr gut bewertet werden.

Tabelle 2

Mittelwerte, Standardabweichungen, Schiefe und Exzess und Trennschärfe der manifesten Items

Anmerkung. Antwortskala von 0 (stimme gar nicht zu) bis 100 (stimme voll und ganz zu). N = 473.

Objektivität

Die Objektivität ist gewährleistet, wenn die in diesem Manuskript vorgestellten Empfehlungen zur Durchführung und Auswertung des GR@W-I berücksichtigt werden. Anwender können sich für die Interpretation und die Einordnung der Ergebnisse an den in diesem Manuskript vorgestellten deskriptiven Ergebnissen orientieren.

Reliabilität

Als Schätzer für die Reliabilität wird für den GR@W-I jeweils neben Cronbachs α zusätzlich noch McDonalds ω berichtet. Hinsichtlich der Skalen liegen folgende Werte für die interne Konsistenz vor: Energie (α = .91/ ω = .92) und Lernen (α = .88/ ω = .88). Die interne Konsistenz darf als sehr gut bewertet werden.

Validität

Zur Bestimmung der konvergenten Konstruktvalidität wird der Zusammenhang zwischen den Skalen des GR@W-I mit den Konstrukten Growth Mindset, psychologische Sicherheit, organisationale Unterstützung sowie Arbeitsengagement berechnet.

Menschen mit einem Growth Mindset sind davon überzeugt, dass ihre Fähigkeiten und Intelligenz variabel sind und diese im Laufe der Zeit verändert werden können (Dweck, 2006). Da ein Growth Mindset mit Wachstum und Weiterentwicklung verbunden ist, werden positive Korrelationen mit dem GR@W-I und seinen Skalen angenommen. Zur Messung des Konstrukts Growth Mindset wurde die Skala von Dweck et al. (1995) verwendet. Ein Beispiel-Item lautet: „Intelligenz ist eine Eigenschaft, die man nicht groß verändern kann.“

Psychologische Sicherheit beschreibt ein Arbeitsklima, in dem niemand für eine konstruktiv-kritische Stellungnahme zurückgewiesen, ausgeschlossen oder sanktioniert wird (Edmondson & Lei, 2014). Fehler und damit verbundene Erfahrungen werden geteilt, damit andere daraus lernen können. Die Mitarbeitenden fühlen sich von der Organisation als Individuen bedingungslos angenommen und akzeptiert. Die Meta-Analyse von Frazier et al. (2017) zeigt, dass ein Klima der psychologischen Sicherheit mit Wohlergehen, Bindung sowie Anstrengungsbereitschaft verbunden ist. Das Klima der psychologischen Sicherheit wird gemessen mittels der Kurzversion des PsySafety-Checks nach Fischer und Hüttermann (2020): „Niemand in meiner Organisation  würde absichtlich etwas tun, das meiner Arbeit schadet.“ Mitarbeitende, die sich psychologisch sicher fühlen, sollten sowohl das Gefühl von Energie als auch von persönlichem Lernen erleben.

Mitarbeitenden, die organisationale Unterstützung erfahren, wird das Gefühl gegeben, dass ihre Beiträge wertgeschätzt werden und die Organisation sich um das Wohlbefinden ihrer Belegschaft kümmert. Organisationale Unterstützung sollte das gemeinsame Erleben von Energie und Lernen begünstigen. Das Konstrukt organisationale Unterstützung wird über Items der Skala von Siebenaler und Fischer (2020) gemessen (Beispielitem: „Ich bekomme von der Organisation Unterstützung, wenn ich Probleme habe.").

Nach Bakker und Kollegen (2008) drückt sich Arbeitsengagement in einem andauernden positiv-motivationalen Gefühlszustand der Erfüllung im Arbeitskontext aus. Arbeitsengagement ist durch eine hohe Ausprägung an Tatkraft und Energie charakterisiert. Zur Messung des Konstrukts Arbeitsengagement wurden drei Items aus der Kurz-Skala der Utrecht Work Engagement Scale von Schaufeli et al. (2017) verwendet (Beispielitem: „Ich gehe völlig in meiner Arbeit auf.“)

Gemäß Spreitzer et al. (2010) besteht eine inhaltliche Nähe zwischen der Energie-Skala und dem Konstrukt Arbeitsengagement. Da Arbeitsengagement ebenfalls einen kraftvollen und vitalen psychologischen Zustand beschreibt, sollte die Korrelation zwischen Arbeitsengagement und GR@W-I sowie seinen beiden Skalen besonders hoch ausfallen. Zudem ist aus der Meta-Analyse von Kleine et al. (2019) bekannt, dass andere Konstrukte aus dem nomologischen Netz besonders hoch mit der Dimension Energie zusammenhängen. In der Folge ist zu erwarten, dass die vier Konstrukte Growth Mindset, organisationale Unterstützung, psychologische Sicherheit sowie Arbeitsengagement höher mit der GR@W-I-Skala Energie als mit der Lernen-Skala korrelieren.

In Tabelle 3 sind die Pearson-Korrelationen zwischen dem GR@W-I und seinen beiden Skalen mit den vier Konstrukten abgebildet.

Anmerkungen. N = 473. ** p < .01; * p < .05

Die Resultate der Pearson-Korrelationsanalyse zeigen substanzielle Zusammenhänge des GR@W-I-Scores und den beiden Skalen mit den Konstrukten Growth Mindset, Arbeitsengagement, psychologische Sicherheit und organisationale Unterstützung. Dabei unterstützen die Ergebnisse die theoretisch angenommenen Muster:. Arbeitsengagement korreliert besonders hoch mit dem GR@W-I sowie seinen beiden Skalen. Zudem weisen alle vier Konstrukte höhere Korrelationen mit der GR@W-I-Skala Energie als mit der Lernen-Skala auf.

Diese Ergebnisse unterstützen die konvergente Validität des GR@W-I.

Um die Kriteriumsvalidität des GR@W-I und seiner beiden Skalen zu bestimmen, wurden Korrelationen mit den Konstrukten Wechselbereitschaft, organisationales Commitment sowie Erschöpfung ermittelt.

Wechselbereitschaft bezieht sich auf die Bereitschaft der Mitarbeitenden, den aktuellen Arbeitgeber zu verlassen und sich einer neuen Organisation anzuschließen. Das Konstrukt wurde einem Item der bewährten Skala von O'Driscoll und Beehr (1994) verwendet („Ich werde mich aktiv nach einem neuen Arbeitgeber umsehen.“).

Organisationales Commitment bezieht sich auf die affektive Bindung von Mitarbeitenden an ihre Organisation, d.h. die Identifikation mit und die emotionale Involviertheit in die Belange der eigenen Organisation (Riketta, 2002). Zudem drückt sich organisationales Commitment im Wunsch aus, auch zukünftig ein Mitglied der Organisation zu bleiben. Zur Messung wurde die entsprechende Skala des Employee Experience Questionnaire von Fischer et al. (2021) verwendet (Beispielitem: „Freunden gegenüber lobe ich diese Organisation als besonders guten Arbeitgeber.“

Erschöpfung gilt als eine zentrale Facette von Burnout und beschreibt einen mentalen Zustand, der durch extreme Müdigkeit und schwerwiegenden Energieverlust gekennzeichnet ist. Das psychologische Konstrukt Erschöpfung wurde gemessen mit dem bewährten Burnout Assessment Tools von Schaufeli und Kollegen (2020). Ein Beispielitem lautet: „Am Ende eines Arbeitstages fühle ich mich erschöpft und ausgelaugt“.

Tabelle 4 zeigt die Pearson-Korrelationen zwischen dem GR@W-I und seinen beiden Skalen mit den drei Kriterien.

Anmerkungen. N = 473. ** p < .01; * p < .05

Die Resultate der Pearson-Korrelationsanalyse legen substantielle Zusammenhänge des GR@W-I-Scores und der beiden Skalen mit den Konstrukten Wechselbereitschaft, Organisationales Commitment sowie Erschöpfung nahe. Diese Ergebnisse sprechen für die Kriteriumsvalidität des GR@W-I.

Abschließend wird die inkrementelle Validität des GR@W-I bestimmt. Hierfür wird jeweils der Anteil der erklärten Varianz in den Kriterien Wechselbereitschaft, organisationales Commitment sowie Erschöpfung ermittelt, den der GR@W-I über den Beitrag der beiden Konstrukte Arbeitsengagement und Growth Mindset hinaus zu erklären vermag. Während Arbeitsengagement einen positiven affektiv-motivationalen Zustand ausdrückt, beschreibt ein Growth Mindset die subjektive Einschätzung der Veränderbarkeit der eigenen Fähigkeiten und kann als kognitive Orientierung charakterisiert werden. Im Gegensatz dazu beschreibt positives Wachstum die gemeinsame Erfahrung von Energie sowie Lernen und integriert damit sowohl eine kognitive als auch eine affektive Komponente.

Es werden eine schrittweise multiple Regressionsanalysen durchgeführt, deren Ergebnisse in Tabelle 5 zusammengefasst sind.

 Im jeweils ersten Schritt werden die abhängigen Variablen Wechselbereitschaft, organisationales Commitment und Erschöpfung durch die beiden Konstrukte Arbeitsengagement und Growth Mindset vorhergesagt. Im zweiten Schritt wird der GR@W-I-Score in das Modell aufgenommen. Der GR@W-I erklärt jeweils einen inkrementellen Varianzbeitrag in den unterschiedlichen Kriterien, der über den Erklärungseffekt der anderen beiden Konstrukte Arbeitsengagement und Growth Mindset hinausgeht. Diese Ergebnisse sprechen für die Relevanz des Konstrukts positives Wachstum sowie für die inkrementelle Validität des GR@W-I.

Deskriptive Statistiken (Normierung)

In Tabelle 6 werden Mittelwert, Standardabweichung, Schiefe und Exzess des GR@W-I und seiner beiden Skalen berichtet.

Tabelle 6

Mittelwerte, Standardabweichungen, Schiefe der GR@W-I-Skalen

Anmerkung. Antwortskala von 0 (stimme gar nicht zu) bis 100 (stimme voll und ganz zu). N = 473.

Ökonomie

Da das Kosten-Nutzen-Verhältnis hinsichtlich der Bearbeitungsdauer (~ 3 Minuten) sehr günstig ist, darf die Testökonomie des GR@W-I als sehr gut eingestuft werden.

Augenscheinvalidität

Sämtliche Items des GR@W-I sind für die Nutzer inhaltlich nachvollziehbar und werden als plausibel bewertet. Folglich darf die Augenscheinvalidität als hoch bezeichnet werden.

Dr. Josef A. Fischer: contact@dr-josef-fischer.com